文献

J-GLOBAL ID：202002257378987342   整理番号：20A0964604

癌分類のための遺伝子発現データのスコアに基づく特徴選択【JST・京大機械翻訳】

Score-Based Feature Selection of Gene expression Data for Cancer Classification

著者 (3件)： Kavitha K.R (Amrita Vishwa Vidyapeetham,Department of Computer Science and Applications,Amrithapuri,India) ,  Prakasan Avani (Amrita Vishwa Vidyapeetham,Department of Computer Science and Applications,Amrithapuri,India) ,  Dhrishya P.J (Amrita Vishwa Vidyapeetham,Department of Computer Science and Applications,Amrithapuri,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCMC  ページ： 261-266  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習における特徴選択は属性選択としても特定できる。それは大量のデータセットから望ましい特徴を選択するプロセスである。典型的なマイクロアレイデータセットには,高次元性と限られたサンプルのような基本的な特性があり,それは分類のためにより正確でなく,また時間がかかる。分類の精度を上げるために,データセットの次元を減少させなければならない。これを達成するために,特徴選択と特徴抽出の2つの特徴除去方法がある。提案した研究はフィルタベースの特徴選択法に焦点を合わせた。提案した研究の主目的は,計算時間を減少させ,分類と予測の精度を増加させることである。これを達成するために,本研究は,データセットの次元と様々な特徴間の冗長性を低減する。いくつかの特徴選択法が存在するが,それらのほとんどは計算時間を増加させているので,ここでは,特徴選択のためのスコアベースの基準融合法を使用し,予測精度を改善し,計算時間を減少させる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  冗長性 ,  特徴抽出 ,  *特徴選択 ,  高次元 ,  機械学習 ,  DNAマイクロアレイ
準シソーラス用語： 予測精度 ,  *癌分類 ,  属性選択 ,  *遺伝子発現データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 癌分類 ,  遺伝子発現データ ,  スコア ,  特徴選択